[发明专利]一种全自动尿有形成分分析仪的校准方法

摘要

本发明涉及一种全自动尿有形成分分析仪的校准方法，属于图像处理技术领域。通过对校准图像进行处理，提取形状、纹理和频域特征，利用基于人工神经网络的智能识别方法对其形态进行自动分类，以监测全自动尿有形成分分析仪的工作状态，保证全自动尿有形成分分析仪测试结果的准确性和可靠性。

主权项

一种全自动尿有形成分分析仪的校准方法，其特征在于：包括下列步骤：(一)、对摄像头拍摄的一组图像进行分割，从拍摄的大图中分割出包含单个校准微粒的小图像；具体是对拍摄的大图进行边缘提取，得到边缘图像；对边缘图像进行阈值分割，分割方法采取灰度阈值法或区域生长法或基于数学形态学的方法，具体采用固定阈值法实现边缘图像的分割，得到二值图像；对二值图像首先进行一次形态学膨胀运算，然后再进行种子填充，定位校准微粒，得到校准微粒图像；(二)、对分割出的校准微粒图像进行处理，步骤为：(1)用灰度阈值法进行二值化：用Otsu方法确定阈值，将校准微粒图像二值化；(2)填充空洞：用填充算法对目标的空洞进行填充；(3)杂质去除：将小的杂质成分滤除掉，只留下面积最大的区域作为校准微粒图像的二值化结果图像；(三)、提取特征：从二值图像获取以下与区域形状相关的特征：(1)形状特征：面积：即目标所占像素的个数；周长：即目标边界包含的像素的个数；可以通过边界跟踪算法获得；圆形度：目标区域的面积与周长平方的比值，反映目标与圆接近的程度；矩形度：目标的面积与外接矩形面积之比；占空比：目标的空洞与目标面积的比值；不变矩：即Hu不变矩。它具有平移、旋转和比例不变的特点；(2)纹理特征：纹理特征直接从校准微粒图像的灰度图像提取，包括均值、方差、熵等特征；(3)频域特征：即基于Fourier变换的特征。设f(x，y)为小微粒图像在(x，y)处的灰度值，则其Fourier变换为： F ( u , v ) = 1 MN Σ x = 0 M - 1 Σ y = 0 N - 1 f ( x , y ) e - j 2 π ( ux / M + vy / N ) Fourier变换的计算可通过快速算法实现；由图像的Fourier变换可获得二个特征：(1)pow＝∑∑|F(u，v)|，其中u，v在Fourier变换图像以中心为圆心的某个圆的内部，反映图像在某个范围内的谱能量的多少；(2)pow1＝∑∑|F(u，v)|，其中求和是对于以原点为圆心的某个圆的外部进行；(四)、全自动尿有形成分分析仪状态分析：通过对校准微粒的形态特征进行分析，可以对全自动尿有形成分分析仪的不正常的状态进行判断，从而提示对系统进行必要的调整；根据形态可以把校准微粒分成以下四类：正常微粒、位于焦点前光晕大的微粒、位于焦点后中间带黑点的微粒、层流不稳造成校准微粒翻滚而竖立起来的微粒；为了检测这些不正常现象，收集这些情况下的校准微粒图像，作为训练集；对每个校准微粒图像提取前述的各种特征，利用人工神经网络对其进行分类，通过每种类型的校准微粒所占比例，判断全自动尿有形成分分析仪的工作状态；将选定的训练样本集输入BP神经网络，经过反复训练，不断调整神经网络的权值，当神经网络的误差平方和达到预先设置的较小的值时，训练完成，停止训练，得到训练好的神经网络；五、尿有形成分分析仪的校准：分析仪拍摄校准微粒的图像，并对校准图像进行分析处理，通过训练好的BP神经网络，将校准微粒分为四类：正常微粒、位于焦点前光晕大的微粒、位于焦点后中间带黑点的微粒、层流不稳造成校准微粒翻滚而竖立起来的微粒；当正常微粒所占比例很高时，说明全自动尿有形成分分析仪处于正常工作状态；如果光晕大的微粒或中间带黑点的微粒所占比例较高，说明分析仪焦点不正确，需重新聚焦或检查并调整光学机构；如果竖立起来的微粒所占比例较高，说明流动池的层流有问题，则需检查流动池或分析仪的液路部分，以排除故障。